使用 pandas 从命令行打开存储在 GCS 中的 Excel 文件

Question

以下代码片段来自 Google 教程，它只是打印给定存储桶中 GCP 上的文件名称：

from google.cloud import storage


def list_blobs(bucket_name):
    """Lists all the blobs in the bucket."""
    # bucket_name = "your-bucket-name"

    storage_client = storage.Client()

    # Note: Client.list_blobs requires at least package version 1.17.0.
    blobs = storage_client.list_blobs(bucket_name)

    for blob in blobs:
        print(blob.name)

list_blobs('sn_project_data')

不可以从命令行运行：

$ python path/file.py

在我的终端中，该存储桶中的文件被打印出来。太棒了，它有效！然而，这并不是我的目标。我正在寻找打开一个文件并对其进行操作。例如：

$ python path/file.py

但是，当我将路径传递给上面时，返回的错误为“无效的文件路径”。所以我确信有某种 GCP 特定函数调用来实际访问这些文件......

我应该运行什么命令？

编辑：该视频https://www.youtube.com/watch?v=ED5vHa3fE1Q展示了打​​开文件的技巧，并且在此过程中需要使用StringIO。但它不支持 Excel 文件，因此这不是一个有效的解决方案。

Answer 1

read_excel()目前不支持谷歌云存储文件路径，但它可以读取字节数据。

pandas.read_excel（io，sheet_name = 0，标题= 0，名称=无，index_col =无，usecols =无，squeeze = False，dtype =无，引擎=无，转换器=无，true_values =无，false_values =无， Skiprows =无，nrows =无，na_values =无，keep_default_na = True，na_​​filter = True，verbose = False，parse_dates = False，date_parser =无，数千=无，comment =无，skipfooter = 0，convert_float = True，mangle_dupe_cols =正确，storage_options=无）

参数：io：str、bytes、ExcelFile、xlrd.Book、路径对象或类文件对象

您可以做的是使用 blob 对象并使用download_as_bytes()将对象转换为字节。

将此 blob 的内容下载为字节对象。

在这个例子中，我只使用了一个随机样本 xlsx文件并阅读第一张表：

from google.cloud import storage
import pandas as pd

bucket_name = "your-bucket-name"
blob_name = "SampleData.xlsx"

storage_client = storage.Client()
bucket = storage_client.bucket(bucket_name)
blob = bucket.blob(blob_name)

data_bytes = blob.download_as_bytes()

df = pd.read_excel(data_bytes)
print(df)

测试完成：